遗传算法求解机场停机位优化分配（含源代码）

一、介绍

机位分配是一个多约束、多目标的组合优化问题。目前机场的机位分配主要以人工分配为主，依靠经验对停靠的飞机进行机位分配，效率低下，成本高。而且当飞机数量和机位数量达到一定的比例关系时，人工分配难以得到较为高校的合理的分配方案，如果分类不合理，对于机场的运行存在一定的制约。机位分配问题属于NP-hard问题，传统的数学方法难以求解。分支定界法只能提出单个分配方案，并不十分适用。

本文将以遗传算法为实例，介绍如何通过启发式智能优化算法求解该类问题。遗传算法易于实现、收敛性好、全局搜索能力强，具有较好的寻优能力，本文针对于机位分配问题的具体特征，对传统遗传算法加以改造。

二、建立数学模型

1.模型假设

停机位分配涉及到的因素较多，包括机型大小、机位大小等。为了便于研究，做出以下假设：

1.信息已知化；2.时间有限化；3.容量许可化。

模型变量定义如下：

飞机集合 表示在一个时段内需要分配机位的飞机；

机位集合表示在一个时段内机场内机场可提供的机位；

表示进入的时间；

表示离开的时间；

信息完备假设

假设航班计划信息完备已知，包括航班机型、到离港航班时刻计划、延误情况、机位占用时间等。

1. 停机位数量充足假设

假设机场的容量能容纳到达该机场的所有航班，每个到达的航班一定能分配到一个停机位，同时能够为其提供相应的地服保障。

        2.有限时段假设

机位分配问题具有多态性和延展性，在实际机位分配过程中，每一个机位的分配会对后一个分配产生后续的影响，是一个不断波动更新的过程，从这个意义上来讲，机位分配不存在全局最优值。但在某一天或某一时段的有限时间里，停机位分配是存在最优解的，本文选取绵阳机场某一天的航班数据作为分析对象，以求得最优解。

2.变量说明

1.输入变量

符号变量	说明
P	停机位的总数，P>0
Q	航班的总数，Q>0
αi	航班i的机型型号
βk	机位k可以停放的最大机型
Ai	航班的到港时间
Di	航班的离港时间
Ti	航班在远机位停留的时间
Tm	同一机位相邻两个航班间的最小缓冲时间
Tik	机位k两个相邻航班间的空闲时间
N	航班过站时间

i,j=1,2,…,m 且i不等于j;k=1,2,…,n；

航班i的飞机型号类别，分为A类、B类、C类，分别取值1、2、3;

机位k的机位类别，分为大型，中型，小型，分别取值1、2、3。

其中大型机位可以停靠所有类型的飞机，中型机位可停靠 A、B机型飞机，小型机位仅可停靠A 类飞机。

三、程序设计

程序运行结果：

last_best_individe =

  列 1 至 14

    17    18     3    10    14     4    16    20    18    17     5     1     2     6

  列 15 至 28

     7     9    14    15     8    11    16    19    12     3    10     5     1    17

  列 29 至 42

    10    11    15    19     9     6     5    18     3    13     4     8    11    19

  列 43 至 50

     8     2     7    16    11    10     5    12


last_best_fitness_value =

   4.8967e+06

最终的原始机位顺序为：

final_res =

  列 1 至 14

     7     8     3    24    28     4     6    10     8     7     5     1     2    11

  列 15 至 28

    21    23    28    29    22    25     6     9    26     3    24     5     1     7

  列 29 至 42

    24    25    29     9    23    11     5     8     3    27     4    22    25     9

  列 43 至 50

    22     2    21     6    25    24     5    26

完整版源码请在以下链接中下载。

🍞正在为您运送作品详情

[1]孙淑光, 张泰荣. 遗传与禁忌搜索算法组合的停机位优化分配[J]. 中国民航大学学报, 2019, 37(4):5.